基于人體模型構(gòu)建的無標(biāo)識運(yùn)動捕捉關(guān)鍵技術(shù)研究.pdf

1、無標(biāo)識人體運(yùn)動捕捉研究因其廣泛的應(yīng)用價(jià)值和學(xué)術(shù)價(jià)值，一直是計(jì)算機(jī)視覺領(lǐng)域內(nèi)的研究熱點(diǎn)。近年來，隨著計(jì)算機(jī)軟硬件的飛速發(fā)展，運(yùn)動捕捉領(lǐng)域的研究不再僅僅局限于人體運(yùn)動學(xué)姿態(tài)估計(jì)的動作捕捉，而是擴(kuò)展到了從圖像序列或視頻中捕捉人體外形變化的表面捕捉。如今，表述人體姿態(tài)的運(yùn)動數(shù)據(jù)已被廣泛應(yīng)用于影視娛樂等各個(gè)領(lǐng)域。與此同時(shí)，與每一幀相對應(yīng)的捕捉對象的三維人體外形在影視、動漫、游戲、工業(yè)設(shè)計(jì)等領(lǐng)域也有很廣泛的應(yīng)用。
　　本文圍繞著基于人體模型構(gòu)

2、建的無標(biāo)識運(yùn)動捕捉這一課題開展工作，對其中的關(guān)鍵問題進(jìn)行了深入的探討，重點(diǎn)研究了以下三個(gè)問題:一是如何從圖像序列中捕捉對應(yīng)幀的三維人體外形;二是如何構(gòu)建參數(shù)化人體模型，并用其生成動作捕捉的初始化模型;三是如何基于精細(xì)的三維人體模型結(jié)合局部優(yōu)化和全局優(yōu)化算法進(jìn)行人體姿態(tài)估計(jì)，取得了如下研究成果:
　　1.提出了一種基于三維模板模型的人體姿態(tài)和外形分步匹配的框架PSMA(Pose& Shape Model Adaptation)。該框

3、架首先通過模板模型姿態(tài)的變換與目標(biāo)圖像中人體姿態(tài)相匹配，然后再進(jìn)行模板模型的外形匹配。由于人體模型在外形變化時(shí)可能會引起人體姿態(tài)的微變，需要對人體的姿態(tài)進(jìn)行二次的優(yōu)化來得到最優(yōu)解。三維模板模型取自各部分肢體輪廓顯示清晰的首幀圖像，可通過三維掃描或三維重建算法生成。姿態(tài)的變換通過內(nèi)嵌的骨架來實(shí)現(xiàn)，外形的匹配通過拉普拉斯變形技術(shù)來實(shí)現(xiàn)。該框架適用于人體穿普通衣服或?qū)捤梢路膱鼍爸?，可以有效的解決立體視覺算法重建出來的人體模型有拓?fù)溴e(cuò)誤的問題

4、，并通過實(shí)驗(yàn)證實(shí)了其可行性。
　　2.提出了一種基于人體參數(shù)化模型SCAPE來估計(jì)人體模型姿態(tài)參數(shù)和體型參數(shù)的方法。該方法將SCAPE模型應(yīng)用在PSMA框架中，生成了可用于人體運(yùn)動捕捉的初始化模型。模型姿態(tài)的變換通過內(nèi)嵌的骨架來實(shí)現(xiàn)，而人體外形的匹配則是利用人體模型投影輪廓與圖像輪廓的匹配誤差，通過最優(yōu)化一個(gè)像素距離函數(shù)來估計(jì)人體體型參數(shù)和姿態(tài)參數(shù)，得到了與捕捉對象相近的三維人體模型。通過用生成的三維人體模型與真實(shí)三維人體掃描模型

5、或三維重建算法獲得的模型做比較，證明了方法的有效性。
　　3.提出了一個(gè)基于人體姿態(tài)先驗(yàn)知識約束的粒子能量函數(shù)?；诖撕瘮?shù)，結(jié)合局部優(yōu)化和全局優(yōu)化算法，用于人體姿態(tài)的精確估計(jì)。該方法不僅利用人體輪廓匹配，也利用相鄰圖像幀的紋理匹配，提高了局部優(yōu)化算法的精度。利用能量函數(shù)對用于全局優(yōu)化算法巾的粒子狀態(tài)進(jìn)行約束，有效的減少了粒子的使用數(shù)目和運(yùn)行迭代次數(shù)，提高了算法的效率。同時(shí)，與采用粗糙的棍棒模型相比，用精細(xì)的人體模型具有更高的捕捉精